基于改进的SVM的甲状腺图像检索

doi:10.3969/j.issn.1007130X.2011.

J4 ›› 2011, Vol. 33 ›› Issue (1): 127-131.doi: 10.3969/j.issn.1007130X.2011.

基于改进的SVM的甲状腺图像检索

任小康，白勇峰，范丽，李颜瑞

(西北师范大学数学与信息学院，甘肃兰州 730070)

收稿日期:2010-05-20 修回日期:2010-09-03 出版日期:2011-01-25 发布日期:2011-01-25
通讯作者: 任小康 E-mail:renxk@nwnu.edu.cn
作者简介:任小康(1963),男,辽宁大连人,硕士,教授,研究方向为多媒体信息处理、模式识别和数字水印。白勇峰(1980),男,宁夏银川人,硕士生,研究方向为多媒体信息处理、模式识别和数字水印。范丽(1978),女,辽宁鞍山人,硕士生,研究方向为数字水印、计算机视觉和模式识别。李颜瑞(1982),男,山西长治人,硕士生,研究方向为多媒体信息处理、模式识别和数字水印。

A Thyroid Image Retrieval Algorithm Based on Improved SVMs

REN Xiaokang,BAI Yongfeng，FAN Li，LI Yanrui

（School of Mathematics and Information Technology,Northwest Normal University,Lanzhou 730070,China）

Received:2010-05-20 Revised:2010-09-03 Online:2011-01-25 Published:2011-01-25

摘要/Abstract

摘要：

针对SVM处理大数据量和区分训练集样本属性的重要性差的问题，我们将SVM和粗糙集结合，构造了基于粗糙集与SVM的图像检索相关反馈算法，将其应用于甲状腺CT图像检索。实验结果表明，改进的SVM分类精度可达到92.53%，相比SVM的分类精度（76.58%）提高了15.95%，进而使检索的查准率和查全率也分别提高到89.53%和29.67%。

关键词: 图像检索, 粗糙集, 支持向量机, 相关反馈, 甲状腺CT图像

Abstract:

In allusion to SVM,s defects of handling large amount of data and distinguishing the importance of the training set,this paper joins the SVM classifier with the rough sets theory, and constructs an improved image feedback retrieval algorithm based on rough sets and SVMs,which are used to retrieve thyroid CT images .The results show that the improved SVM classifier can get 92.53% accuracy which is about 15.95% higher than 76.58% using SVM,and the retrieval of poor accuracy and recallprecision are also increasedr by 89.53% and 29.67%.

Key words: image retrieval;rough sets;SVM;relevance feedback, thyroid CT images

任小康，白勇峰，范丽，李颜瑞. 基于改进的SVM的甲状腺图像检索[J]. J4, 2011, 33(1): 127-131.

REN Xiaokang,BAI Yongfeng，FAN Li，LI Yanrui. A Thyroid Image Retrieval Algorithm Based on Improved SVMs[J]. J4, 2011, 33(1): 127-131.

[1]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[2]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[3]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[4]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[5]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[6]	强梓林, 刘建国, 刘云峰, 卫栋, 强彦. 基于时域-频域哈希编码的电网图像检索方法[J]. 计算机工程与科学, 2022, 44(10): 1877-1884.
[7]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.
[8]	姬子恒, 王斌. 基于深度学习的草图检索方法研究进展[J]. 计算机工程与科学, 2021, 43(12): 2190-2205.
[9]	骆公志, 陈佳馨. 多源覆盖信息系统下的加权广义多粒度粗糙集模型及其应用[J]. 计算机工程与科学, 2021, 43(12): 2231-2237.
[10]	李雨晨, 魏巍, 白伟明, 王达. 基于标签共现关系的多标签特征选择[J]. 计算机工程与科学, 2021, 43(11): 2049-2055.
[11]	姜春茂, 刘安鹏. 三支决策视角下的属性约简加速方法[J]. 计算机工程与科学, 2020, 42(12): 2280-2286.
[12]	王虹, 李敏赢. 局部广义多粒度粗糙集[J]. 计算机工程与科学, 2020, 42(08): 1463-1471.
[13]	贺周雨1,冯旭鹏2,刘利军1,黄青松1,3. 基于SHN模型的商品图像检索方法[J]. 计算机工程与科学, 2019, 41(11): 1991-1999.
[14]	韦修喜1，黄华娟1，周永权1,2. 基于AP聚类的约简孪生支持向量机快速分类算法[J]. 计算机工程与科学, 2019, 41(10): 1899-1904.
[15]	王云艳1,2，罗冷坤1，王重阳1. 基于流形学习的光学遥感图像分类[J]. 计算机工程与科学, 2019, 41(07): 1212-1219.

基于改进的SVM的甲状腺图像检索

A Thyroid Image Retrieval Algorithm Based on Improved SVMs

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价